Bayesian Modelling of the Treatment Chain of Hip Fracture Patients

Thumbnail Image

URL

Journal Title

Journal ISSN

Volume Title

Helsinki University of Technology | Diplomityö
Checking the digitized thesis and permission for publishing
Instructions for the author

Authors

Date

2006

Department

Sähkö- ja tietoliikennetekniikan osasto

Major/Subject

Laskennallinen tekniikka

Mcode

S-114

Degree programme

Language

en

Pages

xi + 73

Series

Abstract

Tässä diplomityössä tutkitaan lonkkamurtumapotilaiden hoitoketjun bayesilaista mallinnusta eri lähestymistavoin. Terveydenhuollossa on usein tarpeellista arvioida potilaiden hoitojen kestoja kustannusvaikuttavuuden vuoksi. Kompleksisten todennäköisyysmallien ja modernien laskennallisten menetelmien avulla on mahdollista saada lisäinformaatiota hallinnon avuksi rajallisten resurssien uudelleenallokoinnissa. Työssä on tutkittu kahta parametrista sekä yhtä ei-parametrista tilastollista mallia. Parametriset lähestymistavat ovat Coxin vaihemalli sekä Weibulljakaumien sekamalli, joista edellä mainittu hyödyntää peräkkäisiä latentteja vaiheita potilaiden tiloissa viettämien aikojen mallinnuksessa ja jälkimmäinen perustuu painotettujen jakaumien summaan. Näiden mallien parametrit on eksplisiittisesti asetettu riippumaan selittävistä tekijöistä lineaarisesti. Kolmas tutkittu malli on ei-parametrinen monikerros-perceptron neuroverkkomalli, jossa etukäteisoletukset asetetaan epäsuorasti verkon ja verkon painojen kautta äärettömään funktioavaruuteen. Ei-parametrinen lähestymistapa mahdollistaa joustavan tavan estimoida funktioita kiinnittämättä edeltäkäsin niille jotain tiettyä muotoa. Mallin avulla epälineaarisuuksia ja muuttujien interaktioita voidaan oppia aineistosta automaattisesti, minkä lisäksi malli mahdollistaa myös erilaisten hierarkkisten rakenteiden ilmaisun implisiittisesti. Kompleksinen neuroverkkomalli on asetettu suosimaan sileitä ratkaisuja. Malleja on tässä työssä sovellettu lonkkamurtumapotilaiden hoitoketjun eri tilojen kuvaamiseen. Metodologisen kehyksen mallinnuksessa muodostavat bayesilainen päättely yhdessä stokastisten Markovin ketju Monte Carlo menetelmien kanssa. Työn tavoitteena on mallintaa potilaiden kuntoutusaikoja sekä uusintakäyntien osuuksia ja ajankohtia sairaalaan. Tämän lisäksi yksilötason selittävien tekijöiden ja sairaanhoitoalueiden vaikutukset ennusteisiin ovat tutkimuksen kohteena.

Description

Supervisor

Lampinen, Jouko

Thesis advisor

Vehtari, Aki
Sund, Reijo

Keywords

treatment chain, hoitoketju, hip fracture, lonkkamurtuma, bayesian inference, bayesilainen päättely, MLP

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-2020120552500

Collections

[dipl] Teknillinen korkeakoulu / TKK